在之前的两篇文章中，我们利用LLaMA-Factory微调工具包，对Llama3模型，进行了中文语料适配的微调。并进行的微调大模型的评估和合并导出操作。
本篇文章，我们将对微调之后的大模型，进行量化处理，并在本地部署打造一个属于我们自己的ChatGPT。
认识GGUF格式
在之前的文章《本地部署中文Llama3并用弱智吧测试》中，我们知道Ollama可以运行GGUF导入的模型文件。
如何将我们训练的.safetensors格式文件转化为GGUF格式的文件，首先需要了解什么是GGUF格式文件。
大语言模型的开发通常使用PyTorch等框架，其预训练结果通常也会保存为相应的二进制格式，如pt后缀的文件通常就是PyTorch框架保存的二进制预训练结果。
我们在huggingface**上面看到很多.safetensors和.bin格式的模型文件，但我们在使用LM Studio，Ollama等客户端模型整合工具都会使用到GGUF格式的模型文件。
Georgi Gerganov（https://github.com/ggerganov） 是著名开源项目llama.cpp（https://github.com/ggerganov/llama.cpp） 的创始人，它最大的优势是可以在CPU上快速地进行推理而不需要 GPU。
创建llama.cpp后，作者将该项目中模型量化的部分提取出来做成了一个用于机器学习张量库：GGML（https://github.com/ggerganov/ggml） ，项目名称中的GG其实就是作者的名字首字母。它与其他张量库（tensor library）最大的不同，就是支持量化模型在CPU中执行推断。从而实现了低资源部署LLM。
而它生成的文件格式最初只存储了张量，这就是GGML工具，后来由于一些不足：
它无法有效地识别不同的模型架构，对超参数的添加和移除具有破坏性，这使得模型的迭代和升级变得复杂。
为此，在2023年8月份，Georgi Gerganov推出了GGUF作为后续的替代者，即：GGUF格式标准:
https://github.com/ggerganov/ggml/blob/master/docs/gguf.md
- GGUF (GPT-Generated Unified Format) 是一种二进制模型文件格式，
- 专为GGML及其执行器快速加载和保存模型而设计。
- GGUF 是 GGML、GGMF 和 GGJT 的后继文件格式，通过包含加载模型所需的所有信息来确保明确性。
- GGUF 被设计为可扩展的，以便可以在不破坏兼容性的情况下将新信息添加到模型中。
安装llama.cpp
在Mac M1芯片**的环境下，我们选择用homebrew安装。需要提前在Mac上安装好homebrew软件。
brew install llama.cpp其他操作系统环境可以参考官方文档：https://github.com/ggerganov/llama.cpp/blob/master/README.md
利用llama.cpp转换成GGUF格式
参考文档：https://github.com/ggerganov/llama.cpp/blob/master/README.md#prepare-and-quantize
git clone --depth 1 https://github.com/ggerganov/llama.cpp.git // 安装python依赖包 pip install -r requirements.txtllama.cpp官方提供了转换脚本，可以将pt格式的预训练结果以及safetensors模型文件转换成GGUF格式的文件。
执行convert-hf-to-gguf.py文件，可以将model转化为GGUF格式：
python convert-hf-to-gguf.py models/mymodel/在所在文件夹下，就会生成一个ggml-model-f16.gguf文件，当前模型权重参数的精度是f16。
将文件改名成xiaowu5759-llama3-chinese-f16.gguf。
量化模型并导入Ollama
量化模型，可以执行llama.cpp命令来进行量化：
# quantize the model to 4-bits (using Q4_K_M method) ./llama-quantize ./models/mymodel/ggml-model-f16.gguf ./models/mymodel/ggml-model-Q4_K_M.gguf Q4_K_M同时也可以选择Ollama量化，Ollama导入GGUF格式文件，支持将f16.gguf模型文件在导入时候执行量化操作。
参考文档：Ollama导入模型 https://github.com/ollama/ollama/blob/main/docs/import.md
创建Modelfile文件：
FROM ./xiaowu5759-llama3-chinese-f16.gguf TEMPLATE """{{ if .System }}<|start_header_id|>system<|end_header_id|> {{ .System }}<|eot_id|>{{ end }}{{ if .Prompt }}<|start_header_id|>user<|end_header_id|> {{ .Prompt }}<|eot_id|>{{ end }}<|start_header_id|>assistant<|end_header_id|> {{ .Response }}<|eot_id|>""" PARAMETER stop "<|start_header_id|>" PARAMETER stop "<|end_header_id|>" PARAMETER stop "<|eot_id|>" PARAMETER stop "<|reserved_special_token"执行命令：
ollama create -q Q4_0 xiaowu5759-llama3-chinese:8b可以选择的量化等级有：
查看导入模型信息：
ollama show xiaowu5759-llama3-chinese:8b导入完成，文件的大小占用了4.7GB。
open-webui进行对话测试
open-webui是一个为Ollama运行模型打造的WebUI页面。
多轮简单对话：
全程都是采用中文问答的形式，没有出现中英混答的现象。
编写代码能力测试：
至此，我们就完整的从数据准备，模型准备，微调训练，到模型评估测试，模型合并导出，到量化部署大模型，打造了一个完全属于我们自己的ChatGPT应用了。
想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2026 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！
👇👇扫码免费领取全部内容👇👇
一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：
1. 100+本大模型方向电子书
2. 26 份行业研究报告：覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：
- 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
- 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
- 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
- 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT：听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：
- 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
- 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
- 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
- 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！
1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：
2. 102 道 AI 大模型真题：直击大模型核心考点
针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：
3. 97 道 LLMs 真题：聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：
![]()
三、路线必明： AI 大模型学习路线图，1 张图理清核心内容
刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！
路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
![]()
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：
👇👇扫码免费领取全部内容👇👇
2026 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！
